基于综合权重计算法的多元用户用能特性画像构建方法技术

本发明专利技术适用于用户画像分析技术领域，尤其涉及基于综合权重计算法的多元用户用能特性画像构建方法，所述方法包括：建立多层工业用户评价体系；通过模糊层次分析法确定各个子指标的相对权重，并构建模糊互补判断矩阵；进行一致性测试，并对模糊互补判断矩阵进行调整，基于模糊互补判断矩阵计算单层指标权重向量；基于CRITIC法和原始数据得到客观权重，基于客观权重和单层指标权重向量计算综合权重，并构建工业用户综合用能特性画像。本发明专利技术采用改进的AHP

【技术实现步骤摘要】
基于综合权重计算法的多元用户用能特性画像构建方法


[0001]本专利技术属于用户画像分析
，尤其涉及基于综合权重计算法的多元用户用能特性画像构建方法。

技术介绍

[0002]目前电力市场不断发展，电力用户在能源交易市场中的市场主体地位日益提高。因此，电力企业需要更好地了解和掌握工业用户用电规律，以提高其服务水平和市场竞争力。与此同时，在综合能源系统快速发展的环境下，电力消费主体的多元化程度越来越高，对于生成用户用能行为画像的数据分析算法也提出了更高的要求。随着智能量测终端的大量投用使用，工业用户用能数据得以实时采集，从而可以通过多元量测数据更准确地描述工业用户用能习惯与行为特性。利用多元量测数据生成的“工业用户用能画像”可以再现工业用户用能的全貌，并为优化工业用户能源结构、挖掘工业用户需求特证、提高工业用户科学用能水平奠定基础条件。
[0003]用户画像是根据用户生活习惯、社会属性和消费行为等信息抽象出的一个标签化的用户模型，为了生成精细、智能与全面的用能画像，需要建立全面、客观的用户用能评价体系。针对多元用户的用能评估体系，国内外均有相关研究。现有技术中的评估体系从技术性、经济性以及可靠性等多个层面展开构建。现有技术从电压、负荷和综合三类维度构建评估指标，用以描述重要电力客户的用电状态。目前建立用户用能评价体系通常选取与电力相关联的指标建立。
[0004]确定用户画像是一个复杂的多目标决策问题，需要采用层次分析法(Analytic Hierarchy Process，AHP)、模糊综合评价、熵权法以及基于指标相关性的客观指标权重确定法等一系列方法来生成用户画像。在现有技术中中，采用层次分析法确定指标权重并计算综合用能指数，生成了工业用户多维用能画像。现有技术采用客观权重赋权法对各项指标进行加权计算，从而实现用户综合用能画像，但只考虑客观因素时各指标权重的差异并不明显，无法足以体现出不同类型工业行业用户的用能特点。

技术实现思路

[0005]本专利技术实施例的目的在于提供基于综合权重计算法的多元用户用能特性画像构建方法，旨在解决现有技术采用客观权重赋权法对各项指标进行加权计算，从而实现用户综合用能画像，但只考虑客观因素时各指标权重的差异并不明显，无法足以体现出不同类型工业行业用户的用能特点的问题。
[0006]本专利技术实施例是这样实现的，基于综合权重计算法的多元用户用能特性画像构建方法，所述方法包括：
[0007]建立多层工业用户评价体系，所述多层工业用户评价体系包含多个指标，每一个指标包含多个子指标；
[0008]通过模糊层次分析法确定各个子指标的相对权重，并构建模糊互补判断矩阵；
[0009]进行一致性测试，并对模糊互补判断矩阵进行调整，基于模糊互补判断矩阵计算单层指标权重向量；
[0010]基于CRITIC法和原始数据得到客观权重，基于客观权重和单层指标权重向量计算综合权重，并构建工业用户综合用能特性画像。
[0011]优选的，所述多层工业用户评价体系包括输出层、中间层和决策层，多层工业用户评价体系包括层次化结构模型。
[0012]优选的，所述模糊互补判断矩阵为
[0013][0014]其中，m
ij
表示指标因素B
i
与指标因素B
j
对比的相对重要性。
[0015]优选的，所述进行一致性测试，并对模糊互补判断矩阵进行调整的步骤，具体包括：基于模糊互补判断矩阵计算一致性指数，将计算得到的一致性指数与预设的阈值进行比较，若一致性指数小于预设的阈值，则需要调整模糊互补判断矩阵，建立权重判断矩阵，计算权重判断矩阵与模糊互补判断矩阵之间的关联程度，根据最小值原理确定加性一致性矩阵，计算偏差矩阵，根据偏差矩阵的结果调整模糊互补判断矩阵。
[0016]优选的，所述基于模糊互补判断矩阵计算单层指标权重向量的步骤，具体包括：将调整后的模糊互补判断矩阵矩阵的每一行相加，计算单层指标的权重向量，W＝(w1,w2,
…
,w
n
)
T
，权重向量W中的元素w
l
为:
[0017]w
i
＝(a
i
+0.5n
‑
1)/n(n
‑
1)。
[0018]优选的，所述基于CRITIC法和原始数据得到客观权重的步骤，具体包括：对原始数据进行无量纲化处理，处理时，按照以下公式进行：
[0019]正向指标：
[0020]x
ij
＝[x
′
ij
‑
mi(x
j
)]/[max(x
j
)
‑
min(x
j
)][0021]逆向指标：
[0022]x
ij
＝[max(x
j
)
‑
x
′
ij
]/[max(x
j
)
‑
min(x
j
)][0023]式中x
ij
为标准化值，x
’
ij
为变量j的初始值，max(x
j
)为指标j的最大值，min(x
j
)指标j的最小值；单独考虑每个指标生成的向量，得到标准差向量，计算指标包含的信息量，并基于下式进行权重归一化处理：
[0024][0025]式中，C
i
为指标i包含的信息量，C
j
为指标j包含的信息量。
[0026]优选的，所述基于客观权重和单层指标权重向量计算综合权重，并构建工业用户综合用能特性画像的步骤，具体包括：
[0027]采用FAHP－CRITIC法进行组合赋权，各指标的综合权重通过下式得到：
[0028]ω
综合
＝βω
主观
+(1
‑
β)ω
客观
[0029]式中，ω
主观
为主观权重，ω
客观
为客观权重，β表示为相对重要程度参数，范围在0到1
之间，通过FAHP法确定主观权重，通过CRITIC法确定客观权重，通过本步骤中给出的公式确定各个指标的综合权重。
[0030]本专利技术从用电负荷水平、用电低碳指标、用电稳定性、用电互动能力以及用热/冷特性这6个维度综合评价用户用能水平，并且采用改进的AHP
‑
CRITIC综合权重计算法对工业用户用能进行组合赋权，最终生成考虑用户用能特性的多元用户用能画像；基于四种工业用户用能数据完成算例分析，可以展现不同类型工业用户用能的差异性，从而帮助不同类型工业用户进行针对性的用能管理与服务政策。
附图说明
[0031]图1为本专利技术实施例提供的针对工业用户的多元用户用能评价体系的架构图；
[0032]图2为本专利技术实施例本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于综合权重计算法的多元用户用能特性画像构建方法，其特征在于，所述方法包括：建立多层工业用户评价体系，所述多层工业用户评价体系包含多个指标，每一个指标包含多个子指标；通过模糊层次分析法确定各个子指标的相对权重，并构建模糊互补判断矩阵；进行一致性测试，并对模糊互补判断矩阵进行调整，基于模糊互补判断矩阵计算单层指标权重向量；基于CRITIC法和原始数据得到客观权重，基于客观权重和单层指标权重向量计算综合权重，并构建工业用户综合用能特性画像。2.根据权利要求1所述的基于综合权重计算法的多元用户用能特性画像构建方法，其特征在于，所述多层工业用户评价体系包括输出层、中间层和决策层，多层工业用户评价体系包括层次化结构模型。3.根据权利要求1所述的基于综合权重计算法的多元用户用能特性画像构建方法，其特征在于，所述模糊互补判断矩阵为其中，m
ij
表示指标因素B
i
与指标因素B
j
对比的相对重要性。4.根据权利要求1所述的基于综合权重计算法的多元用户用能特性画像构建方法，其特征在于，所述进行一致性测试，并对模糊互补判断矩阵进行调整的步骤，具体包括：基于模糊互补判断矩阵计算一致性指数，将计算得到的一致性指数与预设的阈值进行比较，若一致性指数小于预设的阈值，则需要调整模糊互补判断矩阵，建立权重判断矩阵，计算权重判断矩阵与模糊互补判断矩阵之间的关联程度，根据最小值原理确定加性一致性矩阵，计算偏差矩阵，根据偏差矩阵的结果调整模糊互补判断矩阵。5.根据权利要求1所述的基于综合权重计算法的多元用户用能特性画像构建方法，其特征在于，所述基于模糊互补判断矩阵计算单层指标权重向量的步骤，具体包括：将调整后的模糊互补判断矩阵矩阵的每一行相加，计算单层指标的权重向量，W＝(w1，w2，...，w
n
)
T
，权重向量W中的元素w
i
为：w
i
＝(a
i
+0.5n
‑
1)/n(n
‑
1)。6.根据权利要求1所述的基于综合权重计算法的多元用户用能特性画像构建方法，其特征在于，所...

【专利技术属性】
技术研发人员：王琳，李勇，陈亚潇，吕春晖，闫腾飞，许强，魏延路，董丽丽，王少志，候承昊，朱辉，
申请(专利权)人：国网山东省电力公司聊城供电公司，
类型：发明
国别省市：